北京市重大突发公共卫生事件特征分析及风险评估研究

为进一步加强北京市突发公共卫生事件的防控工作,基于北京市1998—2018年发生的43起重大级别及以上突发公共卫生事件的数据信息,从类型、时间和地点及人群分布3个维度分析其特征,并结合风险评估的一般流程和步骤,根据传染病、食物中毒、工业中毒、饮用水污染4类突发公共卫生事件的特点,采用文献调查方法建立4类突发公共卫生事件的风险评估体系,利用该体系对43起事件开展评估,结合评估结果提出措施。结果表明:北京市重大突发公共卫生事件在2002—2003年间发生较为频繁;顺义区、海淀区、朝阳区发生事件较多;学校及工作地等人员密集场所容易发生传染病和食物中毒等突发公共卫生事件;根据风险评估结果,极高和高风险级别事件集中于传染病和食物中毒类别。最后从构建全过程风险预警体系等3个方面提出的应对措施,为北京市加强突发公共卫生事件风险防控提供参考。

基于Gabor滤波器的车道线快速检测方法

针对在全景相机获取到的高交通信息量的复杂场景下传统Canny算子很难实时且鲁棒地提取车道线特征的问题,提出一种基于Gabor滤波器的最优方向区间快速检测算法。首先利用同心圆环近似展开法将全景图像展开成矩形图像,然后对展开图像进行不同相位角的Gabor滤波处理,快速得到使车道线边缘清晰度达到最高的方向区间。在Canny算子检测边缘过程中,只对处于该区间内的边缘点进行非极大值抑制及进一步处理,实现车道线的快速检测。最后算法在实拍的500帧视频样本上进行测试,识别率优于94.2%。结果表明所提算法不易受复杂环境影响,可用性强,有效地提高了车道偏离预警系统的实时性与稳定性。

秩和比法在食品安全卫生检测结果综合评价中的应用

目的应用秩和比法评价食品安全卫生检测结果 ,为开展食品卫生监督工作提供客观依据。方法将计算得到的不同年度及其不同季度样品微生物、重金属、添加剂的检测不合格率,应用秩和比法评价检测结果两两之间的差异是否具有统计学意义。结果 2011年和2012年食品安全卫生检测结果之间的差异无统计学意义(P>0.05),2010年与2011年和2012年两两之间的差异均有统计学意义(P均<0.05);除第一季度与第二季度、第三季度和第四季度食品安全卫生检测结果之间的差异无统计学意义(P>均0.05)外,其余季度之间的差异均有统计学意义(P均<0.05);年度各指标检测结果两两之间的差异均无统计学意义(P均>0.05);季度微生物和添加剂检测结果之间的差异无统计学意义(P>0.05),但重金属与微生物、重金属与添加剂检测结果两两之间的差异均有统计学意义(P均<0.05)。结论该市2010年食品安全情况较好,而2011年和2012年处于较差水平;第一季度和第二季度食品安全情况较差,是该市食品卫生监督的重点季节,第三季度和第四季度食品安全情况较好;添加剂和微生物是影响食品安全卫生检测结果的重要因素。

联系数在餐饮服务监管效果分类分析中的应用

目的应用联系数对餐饮服务监管效果进行分类分析。方法以某市2007—2012年餐饮服务监管效果检测值为基本资料,应用联系数对其进行分类分析。结果该市2007—2012年餐饮服务监管效果的等级划分结果分别为Ⅰ级、Ⅰ级、Ⅱ级、Ⅲ级、Ⅱ级和Ⅰ级。结论该市餐饮服务监管质量经历了一个由高到低(最低谷为2010年)又由低到高的发展历程,与TOPSIS法和秩和比法所得结果基本吻合。

基于Landsat 8卫星数据的解放闸灌域灌溉面积监测研究

准确监测灌区灌溉面积及其干旱情况等信息是灌区管理的基础,设立监测站点等传统方式已经不能满足应用与研究的需要,而遥感成为水资源管理的有力技术手段。基于Landsat 8数据,以内蒙古解放闸灌域为研究区,计算了温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI)和改进的垂直干旱指数(Modified Perpendicular Drought Index,MPDI)并分析其分布和变化;根据两干旱指数灌溉前后差异,引入阈值法构建灌溉面积提取模型,确定阈值以进行灌溉面积的提取。结果表明:在2017年7月~8月,解放闸灌域得到了较大规模的灌溉;将利用两种干旱指数差异阈值提取的灌溉面积与实际灌溉面积进行对比,TVDI和MPDI监测面积精度分别为82.96%和74.01%;同时选取Google Earth高分辨率数据作为真实数据对灌溉地提取结果进行混淆矩阵计算,结果显示MPDI提取总体精度为94.17%,优于TVDI的58.90%。两种精度验证结果表明了利用遥感技术计算干旱指数用于灌区旱情监测和灌溉面积提取的可行性,但在受灌溉地区的空间分布上,相比TVDI,引入植被覆盖度的MPDI能更好地反映一个地区的干旱情况,提取到的灌溉地空间分布更为合理。

基于自适应分块编码SVM的车道导向箭头多分类方法

针对在道路导向箭头的检测和识别中支持向量机(SVM)多分类器的识别效率下降的问题,提出一种利用简单二分类SVM通过对结果的自定义二进制编码实现导向箭头多分类的方法。对导向箭头感兴趣区域(ROI)图像进行Harris角点粗检测,利用改进FAST-9(Features from accelerated segment test-9)算法对伪角点进行筛选,根据最终获取的角点集合中纵坐标最大的两个角点位置分割图像获得待识别区域;再利用几何不变矩特征训练SVM分类器;对分类结果进行二进制编码,从而实现单一种类SVM下多种导向箭头的分类。算法在实拍获取的500帧图像中进行测试,识别率优于96.8%。结果表明:所提算法不需逆透视变换,利用一种SVM二分类器即可实现导向箭头的识别,有效提高了导向箭头识别的准确率和运行效率。